假期战略更新第一集——误差剔除（今天不学习，明天变垃圾）

近段时间有一个项目里的传感器问题一直困扰着我，写控制程序的基础就是传感器获取的数据不说精确到脚指头，起码也要看着像个人，传感器数据波形不说是一条轻微抖动的线，也不能和浪花一样，一波未平一波又起，所以今天就不写控制程序，专门来搞一搞传感器数据误差剔除的工作。

目前我了解到的误差剔除方法包括以下几个，见识广博的大神们请往评论区交流一下你们用的方法

1.3σ原则

3σ原则是在干扰数值服从正态分布的情况下才可以使用的

原则上说，符合正态分布的误差在3个σ内的数据占总数据的99.74%，所以残余误差高于3个σ的数据即可认定为粗大误差。

2.奈尔准则

将一组测量的数据获取之后，将其由小到大排序，取其最大值和最小值作为可疑数据，构造统计量r后去显著度a（0.01或0.05）查阅奈尔临界表得到临界值R，若统计量大于R，则视为粗大误差，剔除，重复循环，直到没有数据剔除为止。未注明的符号意义均与上方一致

3.狄克松准则 Q检验

该准则不需要估算样本平均值，用于小样本粗大误差剔除方法，将数据由小到大排序，选取最小值和相邻值的差值除以样本最小值和最大值的差值得到Q值，选取置信度后根据置信度和数据数量得到Q值表中的数值Q1，若Q>Q1，则认为最小值为粗大误差，最大值测量方式也相同。

先留着这三个，之后再看其他方法。